联合FCM与群集蜘蛛优化SVR的短时交通流量预测

• 作者: 曹成涛 林晓辉 许伦辉
• 来源期刊: 中国电子科学研究院学报
• 学科: 工学
• 关键词: 交通流量预测 模糊C-均值聚类 支持向量回归(SVR) 群集蜘蛛优化
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 基础理论
• 页码范围: 52-59
• 页数: 8页
• 分类号: TP391
• 字数: 6238字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5692.2017.01.010

摘要

对智能交通系统(ITS)短时交通流量预测问题进行研究,提出了一种联合FCM与群集蜘蛛优化SVR交通流量预测算法.首先采用FCM聚类方法对交通流量数据预处理,得到基于时间节点分割的时序数据模块,有效降低了数据差异性带来的误差影响;然后构建基于群集蜘蛛优化SVR模型,针对SVR参数选择难题,在群集蜘蛛优化算法中引入社会等级制度,动态的将蜘蛛种群划分为上中下三个阶层,并根据不同阶层个体适应度大小,分别设计自适应竞争、“快搜”以及逆向学习机制,提高了算法寻优精度;最后,运用群集蜘蛛优化SVR对各个交通流量数据时序模块进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测平均绝对误差降低了38.4 ～53.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹成涛	广东交通职业技术学院智能交通工程技术应用中心	51	237	8.0	13.0
2	许伦辉		102	999	17.0	26.0
3	林晓辉	广东交通职业技术学院智能交通工程技术应用中心	30	107	6.0	9.0